python中set、dict和dict.keys的性能對(duì)比

這篇文章主要介紹“python中set、dict和dict.keys的性能對(duì)比”，在日常操作中，相信很多人在python中set、dict和dict.keys的性能對(duì)比問(wèn)題上存在疑惑，小編查閱了各式資料，整理出簡(jiǎn)單好用的操作方法，希望對(duì)大家解答”python中set、dict和dict.keys的性能對(duì)比”的疑惑有所幫助！接下來(lái)，請(qǐng)跟著小編一起來(lái)學(xué)習(xí)吧！

 當(dāng)我們統(tǒng)計(jì)文本的詞頻時(shí)，通常需要查詢當(dāng)前詞是否已經(jīng)出現(xiàn)過(guò)，如果出現(xiàn)過(guò)，那么次數(shù)增1。通常我用dict來(lái)保存詞和詞頻。我常用的方式是：

if word not in vocab_dict:
    vocab_dict[word] = 0
vocab_dict[word] += 1

用了很久覺(jué)得速度還行。 
后來(lái)看到有大神是這么用的：

if word not in vocab_dict.keys():
    vocab_dict[word] = 0
vocab_dict[word] += 1

感覺(jué)這樣似乎合理一些，因?yàn)槲乙龅谋緛?lái)就是?？磜ord是否是vocab_map的key.于是之后都用這種方式。 
某天，處理大量文本，且文本屬于開(kāi)放領(lǐng)域，詞匯量也大，采用第二種方式，速度極慢，這時(shí)候，以為是查詢dict本身比較慢，并沒(méi)有意識(shí)到是vocab_map.keys()的問(wèn)題。于是，將詞同時(shí)存入set,查詢時(shí)查set，速度快了很多。

if word not in vocab_set:
    vocab_dict[word] = 0
vocab_dict[word] += 1

抽取小部分?jǐn)?shù)據(jù)，量化對(duì)比set、dict、dict.keys()的查詢速度，結(jié)果如下： 
1.查詢vocab_dict，打印語(yǔ)句：

print "time cost is %d ms." % ((end - begin).microseconds/1000)
time cost is 175 ms.

2.查詢vocab_dict.keys(),打印語(yǔ)句如下：

print "time cost is %d s." % ((end - begin).seconds)
time cost is 45 s.

3.查詢vocab_set，打印語(yǔ)句：

print "time cost is %d ms." % ((end - begin).microseconds/1000)
time cost is 168 ms.

和查詢vocab_dict差不多。

那么為什么dict.keys()查詢速度比另外兩個(gè)慢很多呢？這就要對(duì)比list、dict、set三種的數(shù)據(jù)結(jié)構(gòu)了。 
dict.keys()實(shí)際上是list(keys),是dict的所有key組成的list。查找一個(gè)元素是否在list中是以list的下標(biāo)為索引遍歷list.而查詢是否在dict中，是將key以hash值的形式直接找到key對(duì)應(yīng)的索引，根據(jù)索引可直接訪問(wèn)value。對(duì)量大的dict查詢，自然是后者快很多。 
而set和dict的存儲(chǔ)原理基本是一樣的，唯一不同的是，set沒(méi)有value，只有key。對(duì)查詢key是否在dict或sset內(nèi)，效果基本上是一樣的。

由此，可以得出，如果存儲(chǔ)的數(shù)據(jù)會(huì)被反復(fù)查詢，且量大，那么，盡量不要用list，盡量用dict，如果元素不重復(fù)，用set更好。查詢是否在dict內(nèi)，也不要在用dict.keys()。

到此，關(guān)于“python中set、dict和dict.keys的性能對(duì)比”的學(xué)習(xí)就結(jié)束了，希望能夠解決大家的疑惑。理論與實(shí)踐的搭配能更好的幫助大家學(xué)習(xí)，快去試試吧！若想繼續(xù)學(xué)習(xí)更多相關(guān)知識(shí)，請(qǐng)繼續(xù)關(guān)注億速云網(wǎng)站，小編會(huì)繼續(xù)努力為大家?guī)?lái)更多實(shí)用的文章！